金融领域 Agent 的骨架选择 — 讨论汇总

这份文档是什么

这是一次从「Agent 的本质」一路推到「金融 Agent 该用什么骨架」的讨论汇总，写给 FinBayes 主控。读者不需要在场，本文自洽。

术语映射注（2026-06-07，ADR-025 + glossary）：本文是这套方法论的原稿，沿用自创原词「双时间尺度 / 快循环 / 慢循环 / 数据契约」以保持论证连贯。owner 2026-06-07 拍板：叙述层 canonical 白话等价词 = 快慢两条线（双时间尺度）/ 即时应答线（快循环）/ 事后复盘线（慢循环）/ 输出要素规范（数据契约口语义）。新文档与 FinBayes 项目叙述层优先用白话词，引用本文时按此对照，两边不失联。另见本文 §5「三种范式各归各位」后的对齐批注。

行文遵循「实质而非表演」：结论先给、理由跟上，不堆信心标签、不画记分牌。其中有一处推断被当场证伪并改正，也照原样保留（见 §4 方法注记），因为这正是全篇要讲的那条纪律。

1. Agent 的本质：一个有目标的闭环

一次模型调用是一个函数：文字进、文字出，一次成型，不和世界发生第二次接触。无论它多强，边界就是「一次推理能算出来的东西」。

Agent 不是把这个函数变强，而是在它外面包一圈循环：

感知当前状态（从环境读数据）
基于状态决定下一个动作 —— 这一步才用到模型
动作改变世界、或改变自己对世界的认知（通过工具执行）
把新状态读回来，回到第 1 步
直到目标达成或放弃

核心就在第 4 步那根回头的箭头上：下一个动作取决于上一个动作的真实结果。 这根反馈线，就是 Agent 与「问答函数」的全部区别。少了它，是一串互相独立的反应；有了它，系统才能纠错、从失败里恢复、处理「一次算不完、必须边做边看」的任务。

模型、工具、数据、记忆都不是核心，而是被这个循环调度的零件：模型是做决定的策略（装进去的大脑），工具是手，数据 / 环境是眼睛兼真值源，记忆是循环带着走的状态。

压成一个式子：Agent = 模型 + 工具 + 状态 + 目标 + 闭环执行。 前三样是零件，后两样——目标给方向、闭环把零件接成一个会自我修正的活物——才是把一堆零件激活成 Agent 的东西。

2. 框架 vs 灵魂

框架是能画成框图、能替换的那一层：循环控制结构、状态与记忆、工具接口、感知 / 环境接口、终止与控制条件、以及放模型的那个插槽。它的定义性特征是可替换——模型能换、工具能换、循环能重写。由此得到一个容易被忽略的结论：模型不是灵魂，它是框架上一个可热插拔的器官。 换掉它，你换的是判断引擎，不是这个 Agent 的身份。

灵魂是把框架瞄准的那个东西。做个实验：两个框架逐字节相同的 Agent，还能差什么？能差的，是它追的目标、判断的标准、以及愿不愿意被结果真正修正。这点残差就是灵魂——目标给循环方向，判断标准决定「框架允许的所有动作里此刻哪个对」，对结果的诚实耦合决定它是真被现实修正还是假装看一眼。

一句话收口：Agent 的灵魂 = 对目标负责的闭环意志。 会推理、会调工具都只是能力；真正让它成为 Agent 的，是把一句模糊意图扛成持续行动、直到交付。

两种残缺正好是两个常见的坑：

有框架没灵魂：循环在跑、工具在响，却不真追目标、不真被结果修正——一台把动作演得很像的空转机器。
有灵魂没框架：有目标、有判断，却没有手脚和循环去兑现——就是那个被反复打磨、却始终只能回答一次的聪明答案。

3. 三种循环范式，分属不同层

范式	出处	它回答的问题	所在层
ReAct	Yao 等，ICLR 2023	一次迭代怎么组织（想—做—观测交替）	微观 / 单步节奏
Plan-and-Solve	Wang 等，ACL 2023	决策怎么组织（先整体分解再执行）	中观 / 决策结构
Ralph Loop	Geoffrey Huntley，2025	外层循环和跨迭代状态怎么管	宏观 / 编排 + 记忆

ReAct：交替进行「Thought → Action → Observation」，每做一步把观测读回来再想下一步。推理帮规划、压幻觉，行动给推理喂真实数据。它是第 1 节那个主回路的标准写法。
Plan-and-Solve：先把任务拆成计划（子任务序列），再照计划执行。与 ReAct 正好对照——ReAct 走一步看一步，Plan-and-Solve 先谋后动。
Ralph Loop：把同一个提示词放进 while true 反复跑，每轮全新上下文，状态外置到文件，靠重复够多收敛。后来的变体在循环里加了个评估器（做完先验收，没通过带着教训再来）。

三条要点，写给主控避坑：

三者都是框架层实践，没有一个是灵魂。 它们回答的全是「身体怎么动」，不供给目标、判断标准或诚实校准。三个都实现得无可挑剔，仍可能得到一个追错目标的空壳。
Ralph 是全身最笨的那块，不是灵魂。 它的 while true 不知道自己做没完——「持续到完成」里那个判据，全压在循环末端那个验证器上。让人想叫它「交付意志」的，不是循环，是验证器；而验证器恰恰是灵魂探进框架的那只手。
组合时少了一条边会出事。 「Goal → Plan → 执行 → Verify → Fix → Stop」里，验收失败不能只回执行层，还要能回 Plan 重规划。否则计划一旦过期，执行层会忠实地把错计划一遍遍做到位，Verify 一遍遍判失败——这就是「越跑越偏」的具体机制。
「假绿测试」是验证器层的「表演而非实质」。 写个永远通过的测试、把真检查 mock 掉、删掉那条红的——都是在表演验收。所以「诚实地用验证器」这一条始终是灵魂，框架替不了。

每个范式都有适用域：ReAct 的概念是地基（但字面的 Thought/Action/Observation 文本格式已被原生 function-calling 与扩展思考吸收）；Plan-and-Solve 适合边界清楚的任务，环境一不确定就得带重规划；Ralph 妙在「笨」，适合能干净外置状态、容忍成本的长程自治，是暴力法不是通用默认。

4. 编码 Agent vs 通用 Agent：分界在验证器禀赋

真实系统没有一个是单一范式，全是完整组合。真正分开「编码 Agent」和「通用 Agent」的，不是用了哪几种 loop，是验证器从哪来。

编码 Agent（Claude Code / Codex / Antigravity 这类）生在一个自带验证器的世界：编译器、类型检查、测试套件就是现成、便宜、骗不过去的对错裁判，程序要么跑要么崩。环境直接把灵魂里最难的那块——「对结果诚实耦合」——免费塞给了它。这才是它敢放长自治循环、且真能收敛的原因：那个 while true 有一个便宜、可信、骗不过去的停止条件。它们之间的差别只是「自治程度」：从监督式短绳的 ReAct（Claude Code 默认），到自动跑测试、放长绳的半自治（Codex），到 agent manager + 多 Agent + 浏览器验证的宏观编排（Antigravity）。
通用 Agent（Openclaw / Hermes 这类）生在一个没有白送验证器的世界：「这份分析好不好 / 这个方案对不对」没有编译器。于是它的验证器只能是人在环里、软的评判器、或干脆缺位。它还更依赖 Memory / State——因为开放世界里动作不可逆、当前状态不能廉价重新观测，只能靠记忆背着「我做了什么、结果如何」。

一句话：编码与通用之分，本质是「验证器是白送还是自建」之分。 同一副骨架，编码 Agent 的验证器是环境捐的，通用 Agent 得自己长。

方法注记（关于 Hermes，一处自我纠错）： 讨论中曾断言「Hermes 那种持久演化循环就是 Ralph」。这是从一行标签外推的臆测，随后核对其公开 README 被证伪：Hermes（Nous Research）是把上下文往前带的（跨会话检索 + 摘要、自主造 skill、skills 在使用中自我改进），是一个学习循环——目的是让自己变好，不是把单个任务做完；而 Ralph 的命门恰恰是每轮重置上下文、靠暴力重跑交付。两者在最要命的轴上相反。教训有二：其一，没验证的类比不能升格成证据；其二，这台「我有没有变强」的自评依然撞在通用 Agent 的验证器问题上——它也没有编译器。（依据是 README 级，非代码级。）

5. 金融 Agent 应选的骨架：双时间尺度

不要去货架上三选一，而要从金融的两条硬约束把骨架推出来。

两条硬约束：

真验证器迟到且带噪。 一笔判断对不对，要等市场落定才知道，而且短期信号一身噪声（好决策能亏、坏决策能赢）。
动作不可逆、且必须可审计。 真金白银的仓位不能像代码那样回滚；每条判断还必须能被监管 / 事后重建：用了什么证据、怎么推的、置信多少。

第一条直接否决了 Ralph 骨架：金融的真验证器在内层根本拿不到（它要几天 / 几季度后才到），你也不能拿活市场反复试。「单循环 + 内层真验收」这条路在金融里走不通。

于是骨架被逼成两个循环：

慢循环（市场落定的时间尺度）= 真验证器 / 校准：
  每条已落地的判断：
    已实现结果 ──┐
    判断日志   ──┼─→ 校准打分（预测概率准不准，词条见下方）
                 └─→ 贝叶斯更新：先验、置信映射、证据权重
                       │
                       ↓ 喂回快循环

快循环（每次判断）= 判断生产 + 代理验证器：
  问题 / 目标
  → Plan（可重规划，证据一变就改）
  → ReAct 取证–推理循环（每条结论必须挂证据）
  → 代理验收门：对抗性反驳 + 证据充分性 + 置信校准 + 可溯源
  → 产出：带显式置信 + 完整证据链 + 一条可监测失效条件的「判断」（不是裁决）
  → 全程写进结构化、可审计的判断日志（既喂慢循环，也做合规留痕）

词条（外部标准词，给查阅指引）：Brier 分数 / 对数损失（log-loss）——给「带概率的预测」打分的标准指标，越自信又越错、罚得越重；可靠性曲线——把「说有 70% 把握」的那批判断拎出来，看是否真有约 70% 兑现。

三种范式各归各位：

ReAct：留，当快循环内核——金融不确定，每步推理都得挂在取来的证据上压幻觉。现成参照是 martin-FinClaw：一个「统一 ReAct 主回路 + 宽数据工具（基本面 / 历史 / 财报 / 宏观 / 新闻）」的金融快循环，推理与取数在同一回路里交织。但它的外层只是日历驱动的心跳（每约 30 分钟扫一遍），不是判断生命周期驱动——慢循环这块，金融 Agent 应当比它更进一步。
Plan-and-Solve：留，但作为 ReAct 主回路内 LLM 可选调用的规划工具（不是与 ReAct 并列的独立一层）——市场非平稳、静态计划过期得快，所以「Verify→重规划」由主回路 LLM 基于观测自主完成，不另起 ReAct 之外的 planner 引擎（参 Claude Code 的 EnterPlanMode / WorkflowTool、Opencode 的 plan/build 双 agent）。
Ralph：否。只留它一样东西——「不过显式验收门不准停」这条纪律；但金融的验收门是代理门——工程上落成 LLM 可主动调的自检 + 不阻断 audit（不是 ReAct 之外强制拦截每条输出的 blocking 墙；高风险判断的把关走用户主权两步确认），真正的完成判据搬去慢循环，不在快循环。

两个验证器，正好接住前面两条线：

快循环里的代理验证器：你拿不到真结果，只能用代理——对抗性自我反驳、证据充分性、把嘴上的置信和该有的置信对齐、每条断言可溯源。这一层就是生产时的反「假绿测试」：挡住那段「自信、漂亮、却没证据垫底」的判断。
慢循环里的真验证器：就是 判断跟进 + 校准——把过去每条判断对着已实现结果打分，贝叶斯地把先验和置信映射拧准。它迟到，所以只能是慢的外层循环。FinBayes 名字里的 Bayes，落地就落在这。

取证与推理不分家： 快循环里的 ReAct 是「取一步证、推一步理」交织着走的——绝不能先把证据一次性取完、再交给一个够不着工具的「思考阶段」一锤定音。那堵墙会把接地深度钉死在思考开始前取到的那点证据上：思考途中发现还缺一个数（一份财报、一段历史、另一个源），已经回不去取了。一次成型的重综合是「答案函数」的化石、不是 Agent 的循环——它和下面「可审计要显式循环」是同一堵墙的两面：一面砸接地深度，一面砸可重建性。

失效条件是慢循环的触发钩： 每条判断产出时挂的那条可监测失效条件，不是输出花边，是慢循环赖以回头的承重钩——它让慢循环既能在市场落定后批量给这条判断打分，也能在失效条件被触及的当下就事件驱动地回来重验、不必死等日历。没有这条钩，慢循环无处可盯。

两个一等公民： 记忆 / 状态与可审计性不是事后补的装饰。每条判断 + 证据 + 置信 + （后来的）已实现结果，都要进结构化、可查询、可重建的存储——这份存储同时是慢循环的校准底料和合规审计轨。骨架要让每一步都能被事后重建，这也是为什么不能用一个大模型一次成型：要可审计，就得要这个显式、可检视的循环。

延迟 / 成本： 别把代理验收门均匀铺在每次调用上。低风险取数走单步 ReAct，高风险持仓判断才上完整的「Plan → ReAct → 对抗验收」。骨架按风险弹性升降档，否则延迟是自己堆上去的。

6. 两条压舱话

骨架是框架，不是灵魂。 这套双循环画得再漂亮，只要代理验证器只会盖橡皮章、校准循环专挑赢的算，它照样是空壳。难的永远是那两个验证器诚不诚实，不是循环图画得对不对。
慢循环是把「函数」变成「Agent」的那一步。 一个只有快循环、产出判断却从不被结果回头打分的系统，本质还是个会自信发言的函数。快循环的零件大概率已经有了；真正的分水岭是慢循环到没到位、咬没咬住快循环。

一句话： 金融 Agent 的骨架不是 Ralph，是「双时间尺度」——快循环（ReAct + 可重规划 + 代理验收门）套在慢循环（滞后的真验证器 = 判断跟进 + 校准 / 贝叶斯）里；全部难度压在这两个验证器诚不诚实上，不在 loop 怎么搭。

来源与参考

ReAct：Yao 等，《ReAct: Synergizing Reasoning and Acting in Language Models》，ICLR 2023。
Plan-and-Solve：Wang 等，《Plan-and-Solve Prompting: Improving Zero-Shot Chain-of-Thought Reasoning by Large Language Models》，ACL 2023。
Ralph Loop：Ralph Wiggum as a “software engineer”（Geoffrey Huntley）；技术拆解见 The Ralph Loop: Long-Running AI Agents（ZeroSync）。
Hermes：能力面据其公开 README（Nous Research），属 README 级核实，非代码级。

这份文档是什么​

1. Agent 的本质：一个有目标的闭环​

2. 框架 vs 灵魂​

3. 三种循环范式，分属不同层​

4. 编码 Agent vs 通用 Agent：分界在验证器禀赋​

5. 金融 Agent 应选的骨架：双时间尺度​

6. 两条压舱话​

来源与参考​